2026년 8월 얼굴 검출 논문: 동적 랜드마크, 얼굴 없는 안티스푸핑, 기반 모델

해결하는 문제

이 논문은 이질적인 랜드마크 레이아웃을 위한 공통 의미 좌표계를 정의하고, 이를 사용해 여러 데이터셋에서 하나의 탐지기를 학습합니다. 추론 시, 동일한 네트워크는 소스 데이터셋 학습 동안 명시적으로 요청되지 않은 포인트를 포함하여 임의의 랜드마크 쿼리 집합에 응답할 수 있습니다.

핵심 결과

어댑터가 적용된 통합 ViT-B 모델은 WFLW에서 4.02 NME와 2.19% 실패율을 기록하며, 300W 공통/도전(split)에서는 2.43/4.19 NME, AFLW-19에서는 2.76 NME를 기록하면서 융합 학습과 동적 출력을 지원합니다. 300W만 학습할 경우, 도전적인 WFLW68 전이 테스트에서 6.08 NME에 도달하며, 이는 DTLD의 7.23과 PIPNet의 8.09보다 낮습니다. 격리된 고유 랜드마크에서 학습된 쿼리는 스플라인 보간 대비 300W에서 19.0%, WFLW split에서 15.7-16.3% 향상되어, 모델이 단순히 고정된 인덱스를 암기하는 것이 아니라 재사용 가능한 윤곽 의미를 학습함을 나타냅니다.

해결하는 문제

이 연구는 통제된 얼굴 없는 데이터셋을 통해 얼굴 의미론에서 표현 과정 단서를 분리하고, 그 단서들이 표준 얼굴 PAD 벤치마크로 전송되는지 여부를 묻습니다. 또한 일부 얼굴 샘플을 얼굴 없는 공격으로 대체하는 것이 단순히 데이터셋 크기를 늘리는 것이 아니라 고정된 훈련 예산 내에서 정보를 추가하는지 테스트합니다.

핵심 결과

채소 단독 훈련은 네 가지 얼굴 벤치마크 전체에서 평균 AUC가 92.70%, HTER가 14.15%에 도달하는 반면, 합성 얼굴 훈련은 81.02%, ImageNet 초기화 대조군은 67.81%에 해당합니다. 고정된 단일 소스 얼굴 예산의 일부를 TPO로 대체하면 평균 데이터셋 간 AUC가 89.33%에서 92.55%로 상승하고 HTER가 17.54%에서 13.97%로 낮아졌습니다; 다중 소스 훈련에서는 AUC가 92.11%에서 96.96%로, HTER는 14.72%에서 7.84%로 감소했습니다. 공격 다양성이 중복 프레임보다 더 중요합니다: TPO 프레임의 10%만 사용해도 92.97%의 AUC가 나오고, 인쇄 전용 또는 재생 전용 훈련은 86.14%와 83.97%로 떨어집니다.

해결하는 문제

이 연구는 얼굴 표현 공격 탐지와 형태 공격 탐지에 대한 접근 전략을 단일 대규모로 비교합니다. 제로 샷 언어 출력, 출력 로그잇, 동결된 시각 특징, 작업별 MLLM 튜닝, LoRA 적응의 가치를 구분하며, 모든 이점을 일반적인 기초 모델 라벨에 귀속시키지 않습니다.

핵심 결과

기성 프롬프트는 신뢰할 만한 검출자가 아니다: 최고의 제로 샷 평균은 PAD에서 31.1% ACER, MAD에서 19.4%이다. 얼음 인코더와 선형 헤드를 사용하면 이 수치가 24.4%와 5.0%로 향상된다; 작업별 PADLM과 MADLM은 설명을 생성할 때 각각 13.6%와 2.9%에 이른다. 최고의 LoRA 적응 인코더는 PAD에서 평균 ACER가 14.9%를 달성하며, 가장 강력한 인용된 전문가는 17.3%, MAD는 3.7%로 11.3%를 기록한다. MAD는 PAD보다 더 쉽게 전이된다: 최고의 크로스 데이터셋 ACER는 4.9% 대 19.8%이며, 사전 학습 목적 분석은 매개변수 수보다 더 나은 전이 예측을 한다.